检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 快速在线分布式对偶平均优化算法

李德权, 王俊雅, 马驰, 周跃进

计算机应用 2018, 38 (8): 2337-2342. DOI: 10.11772/j.issn.1001-9081.2018010189

摘要（1337）

PDF （814KB）（381）

为提高分布式在线优化算法的收敛速度，对底层网络拓扑依次添边，提出一种快速的一阶分布式在线对偶平均优化（FODD）算法。首先，对于分布式在线优化问题，运用添边方法使所选的边与网络模型快速混合，进而建立数学模型并设计FODD算法对其进行优化求解。其次，揭示了网络拓扑和在线分布式对偶平均收敛速度之间的关系，通过提高底层拓扑网络的代数连通度改进了Regret界，将在线分布式对偶平均（ODDA）算法从静态网络拓展到时变网络拓扑上，并证明了FODD算法的收敛性，同时解析地给出了收敛速度。最后的数值仿真表明:和ODDA算法相比，所提出的FODD算法具有更快的收敛速度。

参考文献 | 相关文章 | 多维度评价

Select

2. 多个体切换网络分布式量化次梯度优化算法

李甲地, 马驰, 李德权, 王俊雅

计算机应用 2018, 38 (2): 509-515. DOI: 10.11772/j.issn.1001-9081.2017081927

摘要（416）

PDF （948KB）（321）

由于已有的分布式次梯度算法大多基于理想的假设：网络拓扑是有向平衡的，构成网络的个体间通信的是各个个体某个状态变量的完全精确的信息。针对更一般的非平衡切换网络以及实际生活中网络通道的带宽限制，提出一种基于有限量化信息通信的切换网络分布式量化次梯度优化算法。在非平衡切换网络中，通过设计具有有限量化水平的一致量化器使所有信息在发送之前都经过量化，利用非二次李雅普诺夫函数方法，证明了所提出的多个体分布式量化次梯度优化算法的收敛性。最后仿真实例验证了所提算法的有效性，而且通过调节量化水平参数，在相同的带宽条件下，可提高信息传输速率，使网络中的个体更快地达到一致。该方法弱化了对刻画网络拓扑的邻接矩阵的假设及对网络带宽的要求，更具实用性。

参考文献 | 相关文章 | 多维度评价